IDENTIFIKASI POLA MEDAN SUHU DI LAPISAN
TROPOPAUSE KAWASAN PASIFIK TROPIS
ERNATYA SYAMSIARY
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa skripsi berjudul “Identifikasi Pola Medan Suhu di Lapisan Tropopause Kawasan Pasifik Tropis” adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Februari 2015
Ernatya Syamsiary
ABSTRAK
ERNATYA SYAMSIARY. Identifikasi Pola Medan Suhu di Lapisan Tropopause Kawasan Pasifik Tropis. Dibimbing oleh AHMAD BEY dan SONNI SETIAWAN.
Fluktuasi suhu tropopause di kawasan pasifik tropis dianalisa dengan menggunakan analisis komponen utama (PCA) dan analisis spektrum. Analisis Komponen utama menunjukkan bahwa 2 komponen utama mempresentasikan 93.1% dari total variabilitas fluktuasi suhu tropopause di kawasan kajian. PCA 1 memiliki osilasi 12 bulan dan 6 bulan sedangkan PCA 2 memiliki osilasi dominan 45 bulan. Osilasi 12 bulan dipengaruhi oleh variasi insolasi akibat orbital bumi, osilasi 6 bulan disebabkan oleh SAO (Semi Annual Oscillation), dan osilasi 45 bulan oleh fenomena ENSO (El-Nino Southern Oscillation). Distribusi vektor eigen PCA 1 menunjukkan bahwa fenomena osilasi 12 bulan dan 6 bulan berinteraksi dengan sel Hadley sehingga fluktuasi suhu tropopause lebih dominan di wilayah Pasifik Tropis bagian Timur namun adanya pengaruh ENSO yang berinteraksi dengan sirkulasi Walker mengakibatkan distribusi vektor eigen PCA lebih berfluktuasi di Pasifik Tropis bagian Barat. Suhu tropopause akan merespon insolasi setelah 1 bulan kemudian.
ABSTRACT
ERNATYA SYAMSIARY. Identification of Air Temperature Field Pattern within Tropical Pacific Tropopause. Supervised by AHMAD BEY and SONNI SETIAWAN.
Air temperature fluctuations occuring within tropical pacific tropopause was analyzed using Principal Component Analysis (PCA) and spectrum analysis. Two PCAs employed in this study represented 93.1% of total variance of observational data. PCA 1 consisted of 12 and 6 months of oscillations, while PCA 2 consisted the 45 months oscillation. The 12 months of oscillation were influenced
by solar insolation variability as effect of Earth’s orbital motion, the 6 months of
oscillations were affected by Semi Annual Oscillation (SAO), whereas the 45 months of oscillations were the impact of ENSO (El-Nino Southern Oscillation).
PCA 1’s eigen vector distribution indicated that the 12 and 6 month oscillations had
an interaction with Hadley cell causing in fluctuation of tropopause-air temperature which dominantly occured in eastern tropical pacific. However, the effects of ENSO interplaying with Walker Circulation resulted in bigger fluctuation of PCA’s eigen vector distribution found in western tropical pacific. Based on the results, tropopause-air temperature will respond insolation in 1 month later.
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains
pada
Departemen Geofisika dan Meteorologi
IDENTIFIKASI POLA MEDAN SUHU DI LAPISAN
TROPOPAUSE KAWASAN PASIFIK TROPIS
ERNATYA SYAMSIARY
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Judul Skripsi : Identifikasi Pola Medan Suhu di Lapisan Tropopause Kawasan Pasifik Tropis
Nama : Ernatya Syamsiary NIM : G24100053
Disetujui oleh
Prof Dr Ahmad Bey Pembimbing I
Sonni Setiawan, MSi Pembimbing II
Diketahui oleh
Dr Tania June, MSc Ketua Departemen
PRAKATA
Alhamdulillah akhirnya penulis telah menyelesaikan tugas akhir yang
berjudul “Identifikasi Pola Medan Suhu di Lapisan Tropopause Kawasan Pasifik
Tropis” yang dipersembahkan khusus untuk ibunda tercinta “Umi Nasiroh”. Penulis mengucapkan terimakasih untuk :
1. Keluarga tercinta ayahanda Ernugroho, ibunda Umi Nasiroh, adik-adik tercinta Ersania Aulyani, Ericha Fikriary, Ersavita Maulany dan Ilham Muslim yang senantiasa memberikan doa, motivasi, kasih sayang, dan semangat sehingga penulis dapat menyelesaikan penelitian dengan baik. 2. Bapak Prof Dr Ahmad Bey selaku pembimbing pertama yang telah
memberikan bimbingan dan pengarahan dalam penyelesaian tugas akhir. 3. Bapak Sonni Setiawan, M.Si selaku pembimbing kedua, yang selalu
dengan sabar memberikan bimbingan, pengarahan, dan ilmu kepada penulis sejak awal kegiatan tugas akhir hingga skripsi ini selesai.
4. Kak Faiz yang telah banyak membantu selama penyusunan skripsi.
5. Keluarga sepermainan : Windita, Niki, Nani, Aret, Alfiyati, Rony, Putri, Andrini, Fitri mue, Mandesno, Dian A, Abia dan Sheni.
6. Teman satu bimbingan, Taufik Rizki, Givo Alsepan, Murni Ngestu
Nur’utami dan Firdaus yang banyak membantu.
7. Teman-teman mahasiswa GFM angkatan 47. Penulis mengucapkan terimakasih untuk kebersamaan dan pengalaman indah selama menjalankan studi di IPB.
Akhir kata, penulis hanya bisa menyampaikan bahwa tanpa pihak-pihak di atas, skripsi ini tidak akan selesai dengan baik, semoga Allah S.W.T membalas semua kebaikan pihak-pihak tersebut. Penulis menyadari tulisan karya ilmiah ini masih jauh dalam kesempurnaan, namun demikian penulis berharap semoga tulisan ini dapat memberikan manfaat bagi yang membacanya.
Bogor, Februari 2015
DAFTAR ISI
DAFTAR GAMBAR xi
DAFTAR LAMPIRAN xi
PENDAHULUAN 1
Latar Belakang 1
Tujuan Penelitian 1
METODE 2
Waktu dan Tempat Penelitian 2
Alat dan Bahan 2
Prosedur Analisis Data 2
HASIL DAN PEMBAHASAN 4
SIMPULAN DAN SARAN 9
Simpulan 9
Saran 10
DAFTAR PUSTAKA 10
Lampiran 11
DAFTAR GAMBAR
1. Scree plot distribusi nilai eigen anomali suhu tropopause tropis 4
2. Time plot komponen utama pertama anomali suhu tropopause tropis 5
3. Spektrum komponen utama pertama anomali suhu tropopause tropis 5
4. Vektor eigen komponen utama pertama suhu tropopause tropis 6
5. Time plot komponen utama pertama anomali suhu tropopause filter
12 bulan dengan insolasi 7
6. Time plot komponen utama kedua anomali suhu tropopause tropis 8
7. Spektrum komponen utama kedua anomali suhu tropopause tropis 8
8. Vektor eigen komponen utama kedua anomali suhu tropopause tropis 9
DAFTAR LAMPIRAN
1. Scripting Language filter data PCA periode 45 bulan, 12 bulan, dan 6
bulan 11
1
PENDAHULUAN
Latar Belakang
Tropopause merupakan lapisan udara transisi antara troposfer dan stratosfer. Highwood dan Hoskins (1998) menyatakan bahwa ketinggian lapisan tropopause dapat ditentukan dengan mengetahui titik minimum pada profil vertikal suhu di lapisan troposfer yang menurun seiring dengan bertambahnya ketinggian atau titik balik minimum sebelum memasuki lapisan inversi. Transportasi zat-zat seperti air, ozon, dan senyawa kimia lain dengan proses kimiawi, dinamis, dan radiasi terjadi pada lapisan ini sehingga membutuhkan pemahaman dasar struktur dan variabilitas tropopause.
Rata-rata ketinggian tropopause berbeda di tiap bagian Bumi. Perbedaan ketinggian tersebut dipengaruhi oleh posisi lintang wilayah dan kondisi atmosfer. Secara horizontal, tinggi tropopause di wilayah tropis lebih besar dibandingkan dengan wilayah lintang tinggi dan semakin rendah di daerah kutub. Hal ini disebabkan oleh perolehan sinar matahari di tropis lebih lama dan dalam intensitas yang cukup besar dibandingkan dengan wilayah lintang tinggi. Proses penguapan terjadi dalam jumlah besar secara kuantitatif terutama di wilayah perairan. Saat uap mencapai ketinggian dengan suhu lingkungan yang sama dengan suhu uap, proses kondensasi mulai berlangsung sehingga membentuk awan. Semakin besar jumlah uap dan semakin tidak stabil atmosfer, awan badai dapat terbentuk. Keberadaan awan konvektif dapat mempengaruhi tinggi tropopause.
Fluktuasi ketinggian tropopause dipengaruhi oleh dinamika atmosfer baik vertikal maupun horizontal. Pemanasan oleh sinar matahari dan adveksi mempengaruhi variasi pergerakan udara secara vertikal dan horizontal. Fenomena meteorologis seperti aktivitas El Niño Southern Oscillation (ENSO), serta Madden-Julian Oscillation (MJO) memicu penambahan ketinggian tropopause dengan membangkitkan awan giant cumulonimbus yang menjadi gaya dorong utama (Rizki 2014). Reid dan Gage (1981) juga menjelaskan bahwa sirkulasi Hadley mampu mempengaruhi fluktuasi suhu tropopause yang nantinya berhubungan dengan ozon di stratosfer. Randel (2000) menyatakan bahwa fuktuasi suhu tropopause yang berhubungan dengan sirkulasi Walker akan terganggu oleh fenomena ENSO .
Penelitian ini meningkatkan pengetahuan tentang cara penggambaran suhu tropopause secara sederhana. Fluktuasi perubahan suhu yang berhubungan dengan ketinggian dari waktu ke waktu akan memperlihatkan karakter fisis umum tropopause suatu wilayah. Perubahan yang terjadi dapat dikaitkan dengan dinamika atmosfer sehingga pengetahuan tentang interaksi atmosfer dapat diperdalam.
Tujuan Penelitian
2
METODE
Waktu dan Tempat Penelitian
Penelitian dilakukan pada bulan September 2014 hingga bulan Februari 2015 di Laboratorium Meteorologi dan Pencemaran Atmosfer, Departemen Geofisika dan Meteorologi, FMIPA-IPB.
Alat dan Bahan
Penelitian menggunakan data ERA-Interim dengan parameter suhu udara pada lapisan 100 hPa di kawasan Pasifik Tropis (10oLU – 10oLS interval 2.5o dan bujur 150o BT - 250o BT interval 10o ) yang diperoleh dari ECMWF(Europe Center for Medium Range Weather Forecasting) selama 30 tahun (Januari 1981 – Desember 2010) (http://data-portal.ecmwf.int/data/ ). Alat yang digunakan meliputi seperangkat komputer dengan perangkat lunak Microsoft Office, Minitab 14, Ocean Data View (ODV), Surfer 10, Statistica 7, dan MATLAB R 2008 A.
Prosedur Analisis Data
PCA (Principle Component Analysis ) atau Analisis Komponen Utama
Analisis komponen utama merupakan salah satu metode dasar analisis faktor yang juga dikenal dengan PCA (Priciple Component Analysis). Menurut Supranto (2004) PCA merupakan salah satu pendekatan untuk mengurangi peubah-peubah yang mungkin tidak memiliki kaitan dengan peubah-peubah yang ingin diteliti dengan cara mengurangi peubah-peubah yang memberikan kontribusi informasi yang sedikit pada variasi data tanpa kehilangan informasi awal. Dengan menggunakan sedikit komponen utama yang digunakan namun mampu menjelaskan sebanyak mungkin jumlah variasi data asli.
Banyaknya peubah yang digunakan (p) dapat diekstrak semua menjadi komponen utama (k) dengan nilai terbanyak k=p, namun hanya yang memiliki proporsi besar (k<p) karena harus sedikit mungkin komponen yang dipertahankan namun cukup memberikan sebagian besar informasi yang terdapat dalam data asli. Pada umumnya data deret waktu tersimpan dalam beberapa peubah (p) dengan waktu tertentu (n) sehingga akan membentuk matrik dengan p baris dan n kolom atau juga dapat ditulis dengan X=(Xij) dimana i=1,2,3,…,p dan j=1,2,3,…,n.
Tahapan menentukan analisis komponen utama yakni mengorganisir data dalam bentuk matrik untuk mendapatkan nilai tengah = 0 dan unit keragaman. Kemudian membuat matrik varian-kovarians (�) dari matrik data X. Lalu menentukan nilai eigen dan elemen vektor eigen yang berhubungan dengan nilai eigen. Nilai eigen menyatakan ragam (λ) data dan elemen vektor eigen ( ) menyatakan koefisien dari komponen utama ke-i.
� ⃗ = �ℯ⃗⃗ (1)
3
Y=ET X (2)
E merupakan matrik transformator yang elemennya adalah vektor-vektor eigen dari matrik kovarians yang selanjutnya digunakan untuk mereduksi matrik X agar menjadi lebih sederhana.
Analisis Spektral/Spektrum
Proses transfomasi data domain waktu menjadi domain frekuensi dapat disebut juga dengan spektrum atau spektral. Analisis spektrum merupakan hasil modifikasi analisis Fourier dengan menyesuaikan fungsi waktu yang stokastik (Chatfield 1989). Deret Fourier akan merepresentasikan analisis Fourier. Deret Fourier merupakan setiap fungsi yang periodik dapat dipresentasikan oleh jumlah tak hingga dari fungsi-fungsi sinusoidal. Deret data waktu dalam domain frekuensi disajikan dalam analisis domain frekuensi.
� = �∑∞ � � −���
�=−∞ (3)
Berdasarkan definisi, Xt adalah proses stokastik dengan fungsi autokovarian y(k) dimana k= …,-1,0,1,…. Sehingga spektrum Xt adalah f(ω) yang merupakan transformasi Fourier dari fungsi autokovariansi. Secara sistematis ditunjukkan pada persamaan (3).
Analisis Spektrum Silang
Metode spektrum silang (cross spectrum) merupakan salah satu metode untuk menguji keterkaitan dua deret waktu dalam domain frekuensi (Chat field 1989). Komponen yang dibutuhkan dalam metode ini adalah variabel (x) dan variabel (y). variabel (x) merupakan variabel peubah bebas yang akan menjelaskan (y). Persamaan matematis untuk spektrum silang terhadap proses bivariat diskret yang diukur pada suatu unit interval waktu sebagai transformasi Fourier dari fungsi kovarian-silang pada selang 0< ω< π, adalah sebagai berikut :
� = �[∑∞ � � −���
�=−∞ ] (4)
Informasi yang digunakan untuk menginterpretasikan hasil dari spektrum silang diturunkan dari persamaan (4) yang menghasilkan beberapa persamaan, yaitu spektrum silang amplitudo, koherensi, dan spektrum fase. Koherensi menunjukkan keeratan parameter yang digunakan sedangkan spektrum fase menunjukkan perbedaan waktu antara kedua periode.
a) cross-amplitude spectrum ( � � )
� � = √[� � + � ] (5)
b) coherency (� � )
4
c) phase spectrum (∅ � )
∅ � = tan− [− � /� � ] (7)
Dengan c(ω) adalah co-spektrum, q(ω) adalah quadratur, fx(ω) adalah spektrum
variabel x, fy(ω) adalah spektrum variabel y. Time lag dapat diketahui dengan
persamaan (8).
ℎ� � �
� (8)
HASIL DAN PEMBAHASAN
Berdasarkan penelitian Rizki (2014) bahwa ketinggian tropopause tropis berada pada level isobar 100 hPa, maka suhu tropopause tropis adalah suhu di level isobar 100 hPa. Untuk mengidentifikasi fluktuasi suhu tropopause tropis secara global di kawasan kajian maka digunakan analisis komponen utama (PCA) dan analisis spektral. Berdasarkan Tabel 1 dan Gambar 1, maka diperoleh bahwa dua PCA pertama dapat merepresentasikan 93.1% dari variabilitas total fluktuasi suhu tropopause di kawasan pasifik tropis.
Tabel 1 Analisis komponen utama anomali suhu tropopause tropis
Parameter PCA 1 PCA 2 PCA 3 PCA 4 PCA 5 PCA 6 PCA 7 PCA 8 PCA 9
Eigenvalue 282.27 68.82 13.04 3.53 1.8 1.42 1.13 0.82 0.7
Proportion 0.749 0.183 0.035 0.009 0.005 0.004 0.003 0.002 0.002
Cumulative 0.749 0.931 0.966 0.975 0.98 0.984 0.987 0.989 0.991
5 secara periodik. Peningkatan anomali suhu terhadap waktu (ΔT>0) menyatakan bahwa suhu tropopause tropis mengalami penghangatan karena meningkatnya suhu stratosfer bawah akibat absorbsi radiasi UV oleh ozon. Penurunan anomali suhu terhadap waktu (ΔT<0) menyatakan bahwa suhu tropopause mengalami pendinginan atau menurunnya energi. Berdasarkan analisis spektrum PCA 1 (Gambar 3), menunjukkan bahwa terdapat osilasi 12 bulan dan 6 bulan yang mempengaruhi fluktuasi suhu tropopause secara global. Osilasi 12 bulan disebabkan oleh variasi fluks radiasi matahari yang diterima oleh puncak atas atmosfer pada jarak bumi matahari yang disebut dengan variasi insolasi. Sedangkan osilasi 6 bulan disebabkan oleh fenomena SAO (Semi Annual Oscillation) yakni penerimaan radiasi matahari di kawasan tropis yang mencapai nilai masimum dua kali dalam setahun. Fenomena 12 bulan memiliki energi lebih dominan dibandingkan fenomena 6 bulan sehingga dapat diketahui bahwa variasi insolasi memiliki pengaruh besar pada fluktuasi suhu tropopause di kawasan Pasifik tropis.
Gambar 2 time plot komponen utama pertama anomali suhu tropopause tropis
6
Gambar 4 Vektor eigen komponen utama pertama suhu tropopause tropis Pola distribusi vektor eigen PCA 1 yang tampak pada Gambar 4 menunjukkan bahwa energi lebih terdistribusi di wilayah Pasifik Timur sehingga suhu tropopause tropis dominan berfluktuasi lebih tinggi 5 K di wilayah Pasifik Timur. Hal ini dipengaruhi oleh sirkulasi Hadley yang pada umumnya menguat di Kawasan Pasifik Timur. Sel Hadley merupakan sirkulasi global yang bergerak secara meridional (utara-selatan). Variasi pergerakan sel Hadley dipengaruhi oleh faktor musiman. Sirkulasi Hadley akan mendinginkan suhu stratosfer-bawah secara adiabatik (adiabatic cooling) sehingga akan mengamplifikasi ketinggian tropopause. Hal ini sesuai dengan Holton (2004) yang menjelaskan bahwa di kawasan tropis fluktuasi ketinggian tropopause dikendalikan oleh formasi awan-awan Cumulonimbus dalam sirkulasi Hadley. Sirkulasi Hadley akan menguat di lintang 50N - 100N serta 50S – 100S di kawasan Pasifik Tropis. Selain adanya efek sirkulasi tersebut, variasi insolasi tahunan juga mampu memodulasi suhu stratosfer bawah. Saat insolasi mencapai nilai maksimum, ozon di stratosfer akan menyerap radiasi matahari lebih banyak dan berefek pada peningkatan suhu di stratosfer bawah. Suhu di lapisan tropopause merupakan interaksi antara pendinginan adiabatik dengan penghangatan akibat absorbsi radiasi matahari oleh ozon di stratosfer bawah kawasan tropis.
Variasi insolasi juga mampu mempengaruhi suhu permukaan laut. Saat insolasi mencapai nilai maksimum, suhu permukaan laut meningkat karena permukaan laut menghangat membuat parsel udara lembab bergerak vertikal ke atas hingga melepaskan panas laten dan membentuk awan-awan konvektif yakni awan
7
Gambar 5 Time plot komponen utama pertama anomali suhu tropopause filter 12 bulan dengan insolasi
Tabel 2 Spektrum silang komponen utama pertama anomali suhu tropopause filter 12 bulan dengan insolasi
Periode Cross amplitude Squared coherency Phase spectrum time lag
12 41662.68 0.999645 0.5124 0.9791
Variasi insolasi akan mempengaruhi penerimaan radiasi matahari ke permukaan bumi. Persamaan insolasi diperoleh dengan melalui pendekatan di bawah ini (Stull 2000 dan Setiawan 2014) :
� = ��� 4 � 2
2 (9)
Keterangan : S(r) adalah variasi insolasi, Tm adalah suhu permukaan matahari (6000
K), rm adalah radius matahari (0.6958 Gm), � adalah konstanta Stefan-Boltzman
(5.67 x10-4 Wm2K-4) dan r adalah jarak bumi matahari yang diperoleh dari persamaan 10.
= � −+ cos �2 (10)
dengan a adalah panjang ½ sumbu mayor elips (149.457 Gm), e adalah eksentrisitas orbit bumi (0.0167), � adalah true anomaly, yakni sudut yang dibentuk oleh vektor posisi bumi dengan garis perihelion yang terjadi setiap tanggal 3 januari. True anomaly dihitung secara harian dengan persamaan 11.
8
dengan p adalah jumlah hari dalam satu tahun (365.25 hari jika kabisat menjadi 366 hari) , t adalah waktu dengan t=1,2,3,4,... dst. t=1 untuk 1 januari, t=2 untuk 2 januari dan seterusnya.
Gambar 6 Time plot komponen utama kedua anomali suhu tropopause tropis PCA 2 merepresentasikan 18% dari variabilitas fluktuasi suhu tropopause di kawasan Pasifik Tropis. Sama halnya dengan anomali suhu tropopause PCA 1, PCA 2 juga berfluktuasi secara periodik yang tampak pada Gambar 6. Namun dengan presentase yang lebih kecil dibandingkan PCA 1 maka anomali suhu maksimum hanya mencapai 20 K dan anomali suhu minimum mencapai -20 K. Berdasarkan hasil analisis spektrum pada PCA 2 yang tampak pada Gambar 7, adanya osilasi 45 bulan, 12 bulan, dan 6 bulan mempengaruhi fluktuasi suhu tropopause secara global. Fluktuasi suhu dengan periode 45 bulan lebih dominan dari periode yang lain pada spektrum tersebut, sehingga fluktuasi suhu tropopause tropis secara global didominasi oleh pengaruh osilasi 45 bulan. Osilasi 45 bulan ini disebabkan oleh fenomena ENSO (El Nino Southern Oscillation). Keberadaan osilasi 12 dan 6 bulan pada PCA 2 menunjukkan bahwa adanya interaksi antar insolasi akibat orbital dengan ENSO.
9
Gambar 8 Vektor eigen komponen utama kedua anomali suhu tropopause Fenomena El-Nino akan menyebabkan bergesernya daerah konvergensi di level permukaan sirkulasi Walker ke kawasan Pasifik Timur. Saat kondisi normal arus laut cenderung bergerak ke barat akibat angin pasat sehingga massa air hangat lebih dominan di wilayah Pasifik Barat dan menjadikan Pasifik Barat memiliki pendinginan uap air yang lebih banyak dan Pasifik Timur menjadi daerah divergensi. Daerah konvergensi akan membentuk awan lebih intensif yang mendorong naiknya ketinggian tropopause diiringi dengan penurunan suhu tropopause. Namun saat terjadi El-Nino, arus laut akan cenderung bergerak ke timur dan membawa massa air hangat ke Pasifik Timur dan menjadikan kawasan tersebut menjadi daerah konvergensi sedangkan Pasifik Barat menjadi daerah divergensi sehingga pembentukan awan akan lebih intensif berada di Pasifik Timur yang diikuti oleh penurunan suhu tropopause akibat meningkatnya ketinggian tropopause. Hal ini sesuai dengan distribusi energi fluktuasi suhu tropopause pada Gambar 8 yang lebih dominan dengan peningkatan suhu mencapai 3 K di kawasan Pasifik Barat.
SIMPULAN DAN SARAN
Simpulan
10
Saran
Perlu adanya penelitian lebih lanjut dengan menggunakan rentang waktu data yang lebih panjang dan memperluas cakupan wilayah penelitian menjadi satu pita tropis untuk mengetahui interaksi sirkulasi umum dan fenomena atmosfer lainnya di kawasan Tropis.
DAFTAR PUSTAKA
Chatfield C. 1989. The Analysis of Time Series An Introduction Chapman and Hall 2-6. London : Boundary Row.
Highwood EJ dan Hoskins BJ. 1998. The tropical tropopause. Quarterly Journal of the Royal Meteorological Society. 124:1579–1604.
Holton JR. 2004. An Introduction To Dynamic Meteorology 4th edition. Washington US : Academic Press.
Randel WJ, Wu F, dan Gaffen D. 2000. Interannual variability of the tropical tropopause derived from radiosonde and NCEP reanalysis. J. Geophys. Res. 105:15509–15523.
Reid GC dan Gage KS. 1981. On the annual variation in height of the tropical tropopause. J. Atmos. Sci. 38:1928-1938.
Reid GC dan Gage KS. 1985. Interannual variations in the height of the tropical tropopause. J. Geophys. Res. 90:5629-5635.
Reid GC dan Gage KS. 1996. The tropical tropopause over the western Pacific: Wave driving, convection, and annual cycle. J. Geophys.Res. 101:21233-21241.
Rizki T.2014. Identifikasi Fluktuasi Ketinggian Tropopause di Kawasan Pasifik Tropis [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Setiawan S. 2014. Perumusan Orbit Planet (kasus dua benda). Bandung : PIPK. Stull RB. 2000. Meteorology for Scientists & Engineers, 2 Ed.
Brooks/Cole/Thomson. Pp. 502.
Supranto J. 2004. Analisis Multivariat Arti dan Interpretasi. Jakarta :Rineka Cipta. Pp. 359.
11
LAMPIRAN
Lampiran 1 Scripting Language filter data PCA periode 45 bulan, 12 bulan, dan 6 bulan
#************************************************************* #Scripting Language Filter data PCA periode 45 bulan, 12 bulan, dan 6 bulan #Oleh : Ernatya Syamsiary G24100053
# Departemen Geofisika dan Meteorologi # Institut Pertanian Bogor
%F([8:9 30:31 60:61],:)=Y([8:9 30:31 60:61],:); %%keterangan---
% 8:9 periode 45 bulan % 30:31 periode 12 bulan % 60:61 periode 6 bulan
12
Lampiran 2 Analisis komponen utama anomali suhu tropopause
13
